English | 简体中文 | 繁體中文 | Русский язык | Français | Español | Português | Deutsch | 日本語 | 한국어 | Italiano | بالعربية

Pandas 강의

Pandas DataFrame

　 　Pandas DataFrame 기본 작업

DataFrame는 두차원 데이터 구조이며, 데이터가 행과 열로 테이블 형식으로 정렬되어 있습니다.

DataFrame 기능

가능한 열은 다른 타입일 수 있습니다 크기가 변할 수 있습니다 표시된 축(행과 열) 행과 열에 수학 연산을 수행할 수 있습니다

구조체

pandas.Series

Series 구조는 다음과 같습니다:

학생 데이터를 사용하여 데이터 프레임을 생성할 것을 가정해 보겠습니다.

이를 SQL 테이블이나 엑셀 데이터 표현 형식으로 볼 수 있습니다.

pandas.DataFrame

pandas DataFrame를 생성하기 위해 다음과 같은 생성자를 사용할 수 있습니다.-

　pandas.DataFrame( data, index, columns, dtype, copy )

파라미터 설명:

data: 데이터는 ndarray, 시리즈, 매핑, 리스트, dict, 상수 및 다른 DataFrame와 같은 여러 형식을 취합니다. index: 행 레이블에 인덱스가 전달되지 않으면, 결과 프레임의 인덱스는 Optional Default np.arange(n)입니다. columns: 열 태그에 대해 선택할 수 있는 기본 문법은}}-np.arange(n)。인덱스를 전달하지 않았을 때만 이렇게 합니다。 dtype: 각 열의 데이터 유형입니다。 copy: 기본값이 False인 경우, 이 명령(또는 그 명령의 모든 명령)은 데이터를 복사합니다。

DataFrame 생성

pandas DataFrame를 생성하기 위해 다양한 입력을 사용할 수 있습니다。-

리스트 딕셔너리 시리즈 Numpy ndarrays 또 다른 DataFrame

이 장의 후반부에서는 이러한 입력을 사용하여 DataFrame를 생성하는 방법을 볼 것입니다。

Empty DataFrame를 생성합니다

기본적으로 Empty DataFrame를 생성할 수 있습니다。

　# Filename : pandas.py
　# author by : ko.oldtoolbag.com　
　# Import pandas dependency package and alias
　import pandas as pd
　df = pd.DataFrame()
　print(df)

실행 결과:

　Empty DataFrame
　Columns:　[]
　Index:　[]

Lists에서 DataFrame를 생성합니다

　# Filename : pandas.py
　# author by : ko.oldtoolbag.com　
　# Import pandas dependency package and alias
　import pandas as pd
　data = [1,2,3,4,5}
　df = pd.DataFrame(data)
　print(df)

실행 결과:

　0
　0　1
　1　2
　2　3
　3　4
　4　5
　# Filename : pandas.py
　# author by : ko.oldtoolbag.com　
　# Import pandas dependency package and alias
　import pandas as pd
　data = [['알렉스',10],['본',12],['클락',13}]
　df = pd.DataFrame(data, columns=['이름','나이'])
　print(df)

실행 결과:

　　　　　　　이름　　　　　나이
　0　　　　　알렉스　　　　　10
　1　　　　　본　　　　　　12
　2　　　　　클락　　　13
　# Filename : pandas.py
　# author by : ko.oldtoolbag.com　
　# Import pandas dependency package and alias
　import pandas as pd
　data = [['알렉스',10],['본',12],['클락',13}]
　df = pd.DataFrame(data, columns=['이름','나이'], dtype=float)
　print df

실행 결과:

　
　　　　　　이름　　　나이
　0　　　　알렉스　　　10.0
　1　　　　본　　　　12.0
　2　　　　클락　13.0
注意：dtype 매개변수를 사용하여 Age 열의 데이터 유형을 부동소수점으로 변경합니다。

ndarrays에서 / List의 Dict를 사용하여 DataFrame를 생성합니다

모든 ndarray의 길이는 같아야 합니다. 인덱스를 전달한 경우, 인덱스의 길이는 배열의 길이와 같아야 합니다。
인덱스를 전달하지 않았을 경우, 기본적으로 인덱스는 range(n)입니다. 여기서 n은 배열 길이입니다。

　# Filename : pandas.py
　# author by : ko.oldtoolbag.com　
　# Import pandas dependency package and alias
　import pandas as pd
　data = {'이름':['汤姆', '잭', '스티브', '릭키'], '나이':[28,34,29,42}]
　df = pd.DataFrame(data)
　print(df)

실행 결과:

　
　　　　나이　　　이름
　0　　　28　　　汤姆
　1　　　34　　　잭
　2　　　29　　　스티브
　3　　　42　　　Ricky
注意：0을 준수합니다、1、2、3이들은 각 객체에 기본 인덱스로(n) 할당된 기능 범위입니다。

우리는 배열을 사용하여 인덱스 DataFrame를 생성합니다。

　# Filename : pandas.py
　# author by : ko.oldtoolbag.com　
　# Import pandas dependency package and alias
　import pandas as pd
　data = {'이름':['汤姆', '잭', '스티브', '릭키'], '나이':[28,34,29,42}]
　df = pd.DataFrame(data, index=['순위1','순위2','순위3','순위4'])
　print(df)

실행 결과:

　
　　　　　　　나이　이름
　rank1　28　汤姆
　rank2　34　잭
　rank3　29　스티브
　rank4　42　Ricky
注意：index参数为每行分配一个索引。

从字典列表创建DataFrame

字典列表可以作为输入数据传递以创建DataFrame。默认情况下，字典键被用作列名。
下面的示例演示如何通过传递字典列表来创建DataFrame。

　# Filename : pandas.py
　# author by : ko.oldtoolbag.com　
　# Import pandas dependency package and alias
　import pandas as pd
　data = [{'a':　1, 'b':　2},{'a':　5, 'b':　10, 'c':　20}]
　df = pd.DataFrame(data)
　print(df)

실행 결과:

　　　　　a b c
　0　1　2　NaN
　1　5　10　20.0
注意：NaN（非数字）会在缺失区域中附加。

下面的示例演示如何通过传递字典列表和行索引来创建DataFrame。

　# Filename : pandas.py
　# author by : ko.oldtoolbag.com　
　# Import pandas dependency package and alias
　import pandas as pd
　data = [{'a':　1, 'b':　2},{'a':　5, 'b':　10, 'c':　20}]
　df = pd.DataFrame(data, index=['first', 'second'])
　print(df)

실행 결과:

　　　　　　　　　　a b c
　first　1　2　NaN
　second　5　10　20.0

下面的示例演示如何创建包含字典，行索引和列索引的列表的DataFrame。

　# Filename : pandas.py
　# author by : ko.oldtoolbag.com　
　# Import pandas dependency package and alias
　import pandas as pd
　data = [{'a':　1, 'b':　2},{'a':　5, 'b':　10, 'c':　20}]
　# 有两个列索引，值与字典键相同
　df1　= pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b'])
　# 有两个列索引
　df2　= pd.DataFrame(data, index=['first', 'second'], columns=['a', 'b'])1'])
　print(df1)
　print(df2)

실행 결과:

　#df1　output
　　　　　　　a b
　first　1　2
　second　5　10
　#df2　output
　　　　　　　a b1
　first　1　NaN
　second　5　NaN
注意：df2 DataFrame是使用除字典键以外的列索引创建的；因此，将NaN附加到位。而df1是使用与字典键相同的列索引创建的，因此附加了NaN。

从Dict Series创建DataFrame

可以传递系列字典以形成DataFrame。结果索引是所有通过的系列索引的并集。

　# Filename : pandas.py
　# author by : ko.oldtoolbag.com　
　# Import pandas dependency package and alias
　import pandas as pd
　d = {'one' : pd.Series([1,　2,　3], index=['a', 'b', 'c']),
　　　　'two' : pd.Series([1,　2,　3,　4], index=['a', 'b', 'c', 'd'])}
　df = pd.DataFrame(d
　print(df)

실행 결과:

　　　one two
　a　1.0　1
　b　2.0　2
　c　3.0　3
　d NaN　4

对于第一个系列，没有传递标签'd'，但是结果是，对于d标签，附加了NaN。
现在让我们通过示例了解列的选择，添加和删除。

列查询

我们将从DataFrame中选择一列来了解这一点。

　# Filename : pandas.py
　# author by : ko.oldtoolbag.com　
　# Import pandas dependency package and alias
　
　import pandas as pd
　d = {'one' : pd.Series([1,　2,　3], index=['a', 'b', 'c']),
　　　　'two' : pd.Series([1,　2,　3,　4], index=['a', 'b', 'c', 'd'])}
　df = pd.DataFrame(d
　print(df ['one'])

실행 결과:

　　　a　1.0
　b　2.0
　c　3.0
　d NaN
　Name: one, dtype: float64

列添加

我们将通过在现有数据框中添加新列来了解这一点。

# Filename : pandas.py
　# author by : ko.oldtoolbag.com　
　# Import pandas dependency package and alias
　import pandas as pd
　d = {'one' : pd.Series([1,　2,　3], index=['a', 'b', 'c']),
　　　　'two' : pd.Series([1,　2,　3,　4], index=['a', 'b', 'c', 'd'])}
　df = pd.DataFrame(d
　#通过传递新序列，向具有列标签的现有 DataFrame 对象添加新列
　print ("通过作为 Series 传递添加新列:")
　df['three']=pd.Series([10,20,30],index=['a','b','c'])
　print df
　print ("Add new column using existing columns in DataFrame:")
　df['four']=df['one']+df['three']
　print(df)

실행 결과:

　Add new column by passing as Series:
　one two three
　a　1.0　1　10.0
　b　2.0　2　20.0
　c　3.0　3　30.0
　d NaN　4　NaN
　Add new column using existing columns in DataFrame:
　one two three four
　a　1.0　1　10.0　11.0
　b　2.0　2　20.0　22.0
　c　3.0　3　30.0　33.0
　d NaN　4　NaN NaN

Column deletion

can delete or pop columns; let's understand how with an example.

　# Filename : pandas.py
　# author by : ko.oldtoolbag.com　
　# Import pandas dependency package and alias
　import pandas as pd
　d = {'one' : pd.Series([1,　2,　3], index=['a', 'b', 'c']),　
　　　　'two' : pd.Series([1,　2,　3,　4], index=['a', 'b', 'c', 'd']),　
　　　　'three' : pd.Series([10,20,30], index=['a','b','c'])}
　df = pd.DataFrame(d
　print ("Our dataframe is:")
　print(df)
　# using del function
　print ("Deleting the first column using del function:")
　del df['one']
　print(df)
　# using pop function
　print ("Deleting another column using POP function:")
　df.pop('two')
　print(df)

실행 결과:

　Our dataframe is:
　one three two
　a　1.0　10.0　1
　b　2.0　20.0　2
　c　3.0　30.0　3
　d NaN NaN　4
　Deleting the first column using del function:
　　　three two
　a　10.0　1
　b　20.0　2
　c　30.0　3
　d NaN　4
　Deleting another column using POP function:
　　　three
　a　10.0
　b　20.0
　c　30.0
　d NaN

행 검색, 추가 및 제거

이제 예제를 통해 행 선택, 추가 및 제거 방법을 배웁시다. 선택 개념으로부터 시작해 보겠습니다.

레이블로 검색

loc 함수에 행 레이블을 전달하여 행을 선택할 수 있습니다.

　# Filename : pandas.py
　# author by : ko.oldtoolbag.com　
　# Import pandas dependency package and alias
　import pandas as pd
　d = {'one' : pd.Series([1,　2,　3], index=['a', 'b', 'c']),　
　　　　'two' : pd.Series([1,　2,　3,　4], index=['a', 'b', 'c', 'd'])}
　df = pd.DataFrame(d
　print(df.loc['b'])

실행 결과:

　
　　　one　2.0
　two　2.0
　Name: b, dtype: float64

결과는 레이블로 인식된 시리즈로 구성되며, 시리즈의 이름은 그 레이블을 검색하는 데 사용됩니다.

정수 위치로 검색

결과를 선택하려면iloc 함수에 정수 위치를 전달할 수 있습니다.

　# Filename : pandas.py
　# author by : ko.oldtoolbag.com　
　# Import pandas dependency package and alias
　import pandas as pd
　d = {'one' : pd.Series([1,　2,　3], index=['a', 'b', 'c']),
　　　　'two' : pd.Series([1,　2,　3,　4], index=['a', 'b', 'c', 'd'])}
　df = pd.DataFrame(d
　print(df.iloc[2])

실행 결과:

　
　　　one　3.0
　two　3.0
　Name: c, dtype: float64

스ライ싱 행

可以使用'：'演算자를 사용하여 여러 행을 선택할 수 있습니다.

　# Filename : pandas.py
　# author by : ko.oldtoolbag.com　
　# Import pandas dependency package and alias
　import pandas as pd
　d = {'one' : pd.Series([1,　2,　3], index=['a', 'b', 'c']),　
　　　　'two' : pd.Series([1,　2,　3,　4], index=['a', 'b', 'c', 'd'])}
　df = pd.DataFrame(d
　print(df[2:4])

실행 결과:

　
　　　　　one two
　c　3.0　3
　d NaN　4

행 추가

append 함수를 사용하여 새 행을 DataFrame에 추가합니다. 이 함수는 마지막에 행을 추가합니다.

　# Filename : pandas.py
　# author by : ko.oldtoolbag.com　
　# Import pandas dependency package and alias
　import pandas as pd
　df = pd.DataFrame([1,　2], [3,　4], columns = ['a','b'])
　df2　= pd.DataFrame([5,　6], [7,　8], columns = ['a','b'])
　df = df.append(df2)
　print(df)

실행 결과:

　
　　　　　a b
　0　1　2
　1　3　4
　0　5　6
　1　7　8

행 제거

DataFrame에서 인덱스 레이블을 사용하여 행을 제거하거나 행을 제거합니다. 레이블이 중복되면 여러 행이 제거됩니다.
위 예제에서, 레이블이 중복되어 있습니다. 레이블을 하나 제거해 보겠습니다. 그럼 몇 줄이 제거될지 확인할 수 있습니다.

　# Filename : pandas.py
　# author by : ko.oldtoolbag.com　
　# Import pandas dependency package and alias
　import pandas as pd
　df = pd.DataFrame([1,　2], [3,　4], columns = ['a','b'])
　df2　= pd.DataFrame([5,　6], [7,　8], columns = ['a','b'])
　df = df.append(df2)
　# Drop rows with label 0
　df = df.drop(0)
　print(df)

실행 결과:

　
　　　　　a b
　1　3　4
　1　7　8

위 예제에서, 같은 레이블 0을 포함한 두 줄을 제거했습니다.

Pandas SQL 작업Pandas Series